期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
改进LDS_YOLO网络的遥感飞机检测算法研究 被引量:5
1
作者 吴杰 高策 +3 位作者 余毅 张艳超 裴玉 马少峰 《计算机工程与应用》 CSCD 北大核心 2022年第15期210-219,共10页
为解决遥感飞机检测算法网络计算复杂、检测精度低的问题,以主流网络 YOLOv4为基础,从提高精度和简化模型两个方面进行改进研究,提出一种轻量级多尺度监督网络 LDS_YOLO(light dense supervision YOLO)。针对遥感飞机目标细节信息提取... 为解决遥感飞机检测算法网络计算复杂、检测精度低的问题,以主流网络 YOLOv4为基础,从提高精度和简化模型两个方面进行改进研究,提出一种轻量级多尺度监督网络 LDS_YOLO(light dense supervision YOLO)。针对遥感飞机目标细节信息提取不足的问题,改进三组多尺度融合预测层结构,在每一个支路第一次上采样前的四个卷积块之间设计密集连接方式,可以增强融合不同尺度飞机,丰富特征细节信息,提高预测准确率;针对目标特征关联度低的问题,引入一致性监督损失函数,通过监督分类网络辅助预测的同时提高检测精度;通过增加包含全局平均池化层、全连接层和特征映射层的轻量化模块,调整通道结构减少权重模型的特征冗余,降低网络参数量。在保证检测率的基础上将模型参数量降低为 3.6×10^(6),计算量为 77 MFLOPs,测试检测率比原始模型损失不到 2.3%,速度达到 17 frame/s;通过与主流检测算法进行对比,分析轻量化后算法模型的抗过拟合能力和鲁棒性,证明轻量化遥感飞机目标检测算法的有效性和可行性。 展开更多
关键词 目标检测 卷积神经网络 一致性监督损失函数 多尺度融合 轻量化模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部